ManoMano mise sur un moteur de recommandation branché sur le style

La recherche par style en décoration assure un accroissement du chiffre d'affaires

Délivrer la meilleure expérience client sur internet, en se rapprochant de celle qui est réalisable en magasin, c’est l’ambition de la place de marché ManoMano, spécialisée dans le bricolage et le jardinage.

Les grands spécialistes du bricolage dans la ligne de mire

Afin d’y parvenir, ManoMano place haut la barre et s’attaque aux principaux irritants qu’il a constaté sur son site Web et qui aboutissent à un panier moyen plutôt faible, c’est-à-dire deux à trois inférieur, en comparaison d’une grande surface physique spécialisée dans le bricolage telle qu’un Leroy Merlin ou Mr Bricolage. ManoMano, créé en 2013, propose 4 millions de références produits et réalise 2 millions d’euros de chiffre d’affaires par jour. Le site web est présent dans 5 pays européens et emploie 300 personnes.

Des moteurs de recommandation doivent proposer la bonne information au bon moment sur le parcours client

La place de marché mise sur le conseil à « chaud », comme on peut en trouver auprès d’un vendeur dans les rayons d’un magasin, et mobilise dans ce cadre une communauté de conseillers. Elle annonce que cela amène des augmentations assez fortes du nombre de produits par panier. Elle croit aussi dans l’aide des algorithmes et de l’intelligence artificielle. Cette aide se manifeste dans les moteurs de recommandation ad hoc qui proposent la bonne information au bon moment sur le parcours client.

ManoMano innove en la matière et a créé un moteur de recommandation qui propose des produits de même style que celui recherché en se servant d’un réseau de neurones qui calcule les ressemblances visuelles entre produits. C’est un atout qui vient compléter les moteurs de recommandation traditionnels qui proposent des produits en tenant compte du parcours du client sur le site ou des produits consultés.

Accroissement de 7% du chiffre d’affaires

Un test A/B a été effectué sur plusieurs centaines de milliers d’utilisateurs afin de vérifier l’impact du nouveau moteur de recommandation de style créé par ManoMano avec la société Sicara. Le test a été mené durant 2 semaines. Sur les clients des catégories décoration, il a été observé une hausse du chiffre d’affaires de 7%. Dès lors, « le déploiement de la solution a été décidé » présente Emmanuel Hosanski, Lead product Manager chez ManoMano.

Cet incrément de 7% peut paraître modeste, mais cela rappelle la manière de progresser de Just Eat, spécialiste de la livraison de repas à domicile.C’est l’addition de plein de petits pas de 1% à 2% qui finissent par faire 30% à 40% d’amélioration” soulignait il y a quelque mois Gilles Raison, son DG France.

Le moteur de recommandation identifie les luminaires de même style

 

Il existe deux grands types de moteurs de recommandation

Emmanuel Hosanski de ManoMano, pour sa part, a pris la parole à l’occasion du salon AI Paris, le 11 juin. Le déploiement du moteur de recommandation de produits du même style sur d’autres catégories où l’esthétique est importante est prévu. « Il existe deux grands types de moteurs de recommandation » rappelle le responsable. On trouve ainsi les moteurs qui exploitent tout ce qui est connu du parcours des clients, typiquement il s’agit de moteurs qui présentent des produits en disant « ceux qui ont vu le produit X, ont aussi vu Y » ou « ceux qui ont acheté X, ont aussi acheté Y ». Et il y a les moteurs qui exploitent plutôt la donnée produits, les titres, les descriptions et les images.

« Nous avons créé un panel d’une dizaine de moteurs de recommandation,  qui répondent à l’ensemble des problèmes sur le parcours client et qui utilisent les différentes techniques de moteurs de recommandation. Mais on s’est rendu compte que tous ces moteurs ne répondaient pas au problème de la recherche de produits de même style » ajoute-t-il. Une demande qui existe pour une soixantaine de catégories de produits pour lesquelles l’esthétique est importante.

Des moteurs de recommandation différents à chaque étape

Tout au long du parcours client, il s’agit de proposer des moteurs de recommandation de produits qui soient pertinents. Les besoins diffèrent entre le début et la fin du parcours client. « Au début, il va falloir inspirer le client, l’aider à trouver le bon produit, le rassurer. On va donc lui montrer plutôt des produits similaires. A la fin du parcours, on saura ce qu’il a dans son panier, et donc on va plutôt l’aider à trouver tous les produits dont il a besoin pour son projet. On sera plutôt sur des notions de complémentarité » précise-t-il.

Sur les catégories très techniques, ManoMano utilisera plutôt des moteurs de comparaison avec des attributs techniques

ManoMano évalue actuellement l’usage du moteur de recherche par style sur d’autres catégories non décoratives. « Mais en fait, nous avons d’autres stratégies notamment sur les catégories très techniques. Nous allons plutôt utiliser des moteurs de comparaison avec des attributs techniques. Par exemple, sur une perceuse c’est moins le visuel qui va compter. Si nous travaillons sur le visuel, le moteur de recommandation va proposer par exemple toutes les perceuses Bosch, mais est-ce que c’est cela qui va vraiment aider le client ? Donc, nous nous concentrons sur les catégories visuelles, mais nous sommes en train d’élargir le nombre de catégories » annonce-t-on chez ManoMano.

A présent, la place de marché étudie l’usage de la recherche visuelle à partir de la photo d’un produit proposée par le client. « Cela ne représente par une part gigantesque des usages mais nous étudions cela avec un partenaire » conclut-on chez ManoMano.

Un moteur de recommandation créé à partir d’un réseau de neurones datant de 2014

Lors de la création d’un moteur de recommandation de produits de même style, il n’existait aucune solution sur étagère. Le style d’un produit est un attribut très difficilement qualifiable à l’inverse d’une longueur, d’une masse, d’une marque ou d’un voltage, qui sont des critères objectifs. ManoMano disposait bien d’un moteur de recommandation « Dans la même catégorie », mais ce moteur s’appuyait sur les meilleures ventes, et il ne prenait pas en compte la composante esthétique. Il y avait donc besoin d’un moteur « dans le même style ».
Une soixantaine de catégories de produits sur la place de marché ont été identifiées pour lesquelles un moteur de recommandation par le style avait du sens, dont les luminaires, les robinets, etc. Dès qu’il y avait une composante esthétique forte, un tel moteur pouvait être mis en place. Ce moteur utilise les images des différents produits concernés. C’est une solution d’intelligence artificielle – VGG16 – reposant sur un réseau de neurones à 16 couches écrit en 2014 qui a été utilisée. « Nous nous sommes rendu compte en quelques jours que cela fonctionnait » explique-t-on chez ManoMano. L’objectif chez le site e-commerce est d’aller le plus rapidement possible vers la mise en production. Les équipes ont itéré à partir de ce réseau de neurones sans aller vers d’autres solutions.
Ce réseau de neurones VGG16 sert à faire de la classification d’images. Par exemple, si en entrée il reçoit une image de robinet, en sortie il doit sortir un label, par exemple « un mitigeur ». ManoMano a retenu les premières couches de neurones qui permettent d’analyser les ressemblances de formes, et a mis de côté, les neurones servant à la classification et à la labellisation. Cela permet d’analyser les similitudes entre deux produits. Il y a un calcul des distances entre les différents produits, et ainsi pour un produit particulier, l’algorithme trouve les produits les plus similaires.
A noter qu’il faut 2 semaines pour passer d’une solution fonctionnelle à une mise en production. Il faut aussi 2 semaines pour disposer de suffisamment de sessions en test A/B afin d’être capable de statuer sur le résultat, et pour que cela soit statistiquement significatif. Lors du POC (Proof of concept) du moteur de recommandation de produits de même style, la méthode a été appliquée sur 5 catégories de produits, par exemple les plafonniers. ManoMano s’est alors montré satisfait du résultat. « Il ne s’agit pas d’utiliser les derniers algorithmes à la mode mais d’avoir en tête les besoins concrets des utilisateurs. Il serait également intolérable de passer 2 ans à créer un algorithme parfait pour répondre à un problème utilisateur qui est à la fois imprécis et changeant. Peut être que dans 2 ans, ce problème n’existera même plus » conclut-on chez ManoMano.

Les 4 irritants sur une place de marché de bricolage

ManoMano a identifié 4 irritants principaux qui empêchent le panier moyen de grimper sur un site de vente en ligne dans le bricolage. Le premier est que dans le bricolage un client a rarement en tête des produits, il vient plutôt avec un projet ou avec un problème. Quand il arrive en magasin, il va expliquer son problème à un vendeur, et le vendeur va lui expliquer les produits dont il a besoin. Mais sur internet, le client est seul face à son écran. Il a peu de chances de trouver tous les produits dont il a besoin donc les paniers d’achat sont plus petits.
Le 2ème irritant est que sur une place de marché, ce sont des fournisseurs qui vendent. Il y a des chances pour que ce soit des vendeurs différents qui livrent les produits, et donc des expéditions différentes cela signifie plusieurs frais de port à payer, et donc les paniers multi produits vont être plus souvent abandonnés. ManoMano s’emploie d’ailleurs à ne pousser que des produits qui ne vont pas augmenter les frais de livraison.
Le 3ème point est que le bricolage est un monde très technique, avec beaucoup de jargon et des spécificités très précises pour les produits. Un client ne sera pas forcément rassuré de choisir seul le bon produit, s’il n’en a pas l’habitude. Là où il sera rassuré par un vendeur en magasin, il le sera beaucoup moins en ligne. Cela aboutit à des taux d’abandon plus élevés.
Et dernier point, sur des catégories comme la cuisine et la salle de bain, le critère différenciant, c’est le style. Or le style est une caractéristique qui n’est pas évidente à expliciter notamment dans un moteur de recherche. Le taux d’abandon est très élevé car les gens ne trouvent pas ces produits là.

Tout le monde autour de la table pour délivrer la bonne solution rapidement

Quand il s’agit de répondre aux besoins des clients, il n’y a pas mieux que de mettre toutes les personnes concernées autour de la table, ceux qui savent ce qu’il faut proposer et ceux qui savent comment le réaliser, recommande-t-on chez ManoMano. S’il y a quelque chose qui ne marche pas c’est d’avoir des silos entre les équipes Data et informatique, car cela crée des délais de communication inutiles qui ralentissent le projet. « Il faut que toutes les parties prenantes d’un projet soient autour d’une même table : les équipes qui savent ce que l’on veut créer, les équipes UX (Expérience utilisateur), les équipes produit, les business owners, et les personnes qui savent comment on va le faire, c’est-à-dire les équipes IT et les équipes Data » résume-t-on chez ManoMano.

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *